Laurence Moroney

La mayoría de las organizaciones ya ha ejecutado pilotos de IA. Muchas menos han logrado llevarlos a producción a escala. Moroney recurre a su experiencia construyendo infraestructura de IA en Google y ahora en Arm para ofrecer un relato franco, técnico e inmediatamente práctico de lo que separa una prueba de concepto de un sistema en producción. Aborda la selección y el ajuste fino de modelos, las decisiones de infraestructura que determinan si la IA multiplica el valor o genera sobrecarga, los marcos de gobernanza y evaluación que mantienen confiables los modelos desplegados, y los patrones organizacionales que ha visto funcionar y fracasar en miles de equipos en todo el mundo. Una conferencia para líderes técnicos, gerentes de producto y ejecutivos que necesitan superar la fase de experimentación.

La conversación dominante sobre IA da por hecho que la inferencia ocurre en la nube con modelos de gran escala. Pero el próximo gran cambio en el despliegue de la IA está ocurriendo en el borde: en teléfonos inteligentes, vehículos, sensores industriales y los miles de millones de dispositivos con tecnología Arm que conforman la mayor parte de la infraestructura informática del mundo. En esta conferencia, Moroney presenta los argumentos técnicos y estratégicos a favor de la IA en dispositivos: el estado actual de la compresión y cuantización de modelos, las ventajas de privacidad y latencia que hacen atractiva la inferencia en el borde para casos de uso específicos, y las herramientas para desarrolladores que están cerrando rápidamente la brecha entre lo posible en la nube y lo desplegable en el dispositivo. Una sesión orientada al futuro para organizaciones de manufactura, salud, tecnología de consumo y cualquier sector donde la inferencia en tiempo real sea clave.

A medida que la IA se integra en la forma en que las personas aprenden, trabajan y toman decisiones, la pregunta de qué idioma, valores y contexto refleja un modelo se vuelve estratégica. Moroney explica por qué los modelos culturalmente específicos ganan importancia, cómo los modelos más pequeños que se ejecutan en el dispositivo pueden proteger la privacidad y preservar el conocimiento local, y qué deben considerar las organizaciones que operan en varios mercados al elegir entre modelos fundacionales globales y modelos adaptados. Una sesión oportuna para empresas multinacionales, gobiernos y cualquier organización que atienda a públicos diversos.

Para audiencias técnicas y organizaciones con muchos desarrolladores, Moroney ofrece una sesión a fondo basada en sus libros bestseller de O'Reilly, entre ellos AI and ML for Coders in PyTorch, y en el certificado profesional PyTorch for Deep Learning que imparte con DeepLearning.AI. Guía a los equipos por la arquitectura práctica de los sistemas modernos de aprendizaje automático: canales de datos, entrenamiento y evaluación de modelos, patrones de despliegue y las ventajas y desventajas concretas de TensorFlow y PyTorch en distintos contextos de producción. La sesión se ajusta al nivel técnico de la audiencia y puede ofrecerse como conferencia magistral, taller o un formato híbrido que combina visión estratégica con ejercicios prácticos.

Uno de los mayores desafíos de la transición actual hacia la IA no es técnico sino organizacional: la mayoría de las empresas ha concentrado su capacidad de IA en un pequeño grupo de especialistas, mientras el resto de la organización observa desde fuera. Moroney ha dedicado su carrera a demostrar que este modelo es innecesario y limitante. A partir de su experiencia diseñando programas de educación en IA para millones de estudiantes, presenta un marco práctico para desarrollar la alfabetización en IA en todas las funciones, niveles y perfiles técnicos, y comparte qué funciona en diseño curricular, elección de herramientas y las condiciones culturales que determinan si la capacidad de IA crece o se estanca dentro de una organización.